基于 Wasserstein 生成对抗插补网络的图像修复
计算机视觉与模式识别
2021-09-16 v1 机器学习
图像与视频处理
摘要
图像修复是计算机视觉中的重要任务之一，侧重于图像中缺失区域的重建。本文旨在介绍一种基于 Wasserstein 生成对抗插补网络（Wasserstein Generative Adversarial Imputation Network）的图像修复模型。该模型的生成器网络使用具有不同膨胀率的卷积层构建块，并结合跳跃连接，帮助模型重现输出的精细细节。这种组合产生了一种通用插补模型，能够以足够质量处理各种缺失情形。为通过实验证明这一点，该模型同时训练以应对三种情形：随机缺失像素、缺失各种较小方形区域、以及图像中心缺失一个方形区域。结果表明，我们的模型在所有情形下均实现了高质量修复结果。使用峰值信噪比和结构相似性指数在两个真实基准数据集 CelebA faces 和 Paris StreetView 上评估性能。我们将模型结果与双调和插补及一些其他最先进（SOTA）图像修复方法进行比较。
引用
@article{arxiv.2106.15341,
title = {Image Inpainting Using Wasserstein Generative Adversarial Imputation Network},
author = {Daniel Vašata and Tomáš Halama and Magda Friedjungová},
journal= {arXiv preprint arXiv:2106.15341},
year = {2021}
}
备注
To be published in conference proceedings of ICANN 2021